Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas

Detalhes bibliográficos
Autor(a) principal: Marcos Rodrigues Pinto
Data de Publicação: 2009
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFC
Texto Completo: http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=3483
Resumo: Ao longo das Ãltimas trÃs dÃcadas os algoritmos evolucionÃrios vÃm sendo aplicados com sucesso nas mais diversas Ãreas. Dentre as principais vantagens dos algoritmos evolucionÃrios estÃo a facilidade de aplicaÃÃo, a eficiÃncia e a confiabilidade. Na remediaÃÃo de Ãguas subterrÃneas, geralmente, os objetivos sÃo minimizar custos, minimizar a presenÃa do contaminante, maximizar a eficiÃncia do bombeamento, entre outros. Esses objetivos sÃo naturalmente conflitantes e a busca de soluÃÃes Ãtimas, ou quase Ãtimas, faz-se necessÃria. Tendo em vista esse fato, os mÃtodos de otimizaÃÃo evolucionÃria vÃm sendo aplicados e aperfeiÃoados na busca dessas soluÃÃes. à apresentada uma breve descriÃÃo de alguns desses mÃtodos, discutindo-se algumas de suas vantagens e limitaÃÃes. Cinco funÃÃes matemÃticas sÃo utilizadas para avaliar o desempenho dos algoritmos e tambÃm para servir de base para efetuar uma comparaÃÃo entre os mesmos. Para otimizar um sistema âbombear-e-tratarâ na remediaÃÃo de um sÃtio hipotÃtico, sÃo utilizados algoritmos evolucionÃrios multipopulaÃÃo, tratando o problema na sua dimensÃo multiobjetiva. A abordagem multipopulaÃÃo vem sendo empregada como mitigadora de um dos principais inconvenientes da otimizaÃÃo evolucionÃria: o excessivo tempo computacional. O fluxo de Ãguas subterrÃneas à modelado com o MODFLOW (modular finite-difference flow model), enquanto o transporte de contaminante à simulado com o MT3DMS (modular three-dimensional multispecies transport model). SÃo propostos dois algoritmos multipopulaÃÃo: MINPGA (Multi-Island Niched Pareto Genetic Algorithm), a partir do NPGA (Niched Pareto Genetic Algorithm) e da abordagem de ilhas de injeÃÃo; MHBMO (Multiple Hive Honey Bee Mating Optimization), uma versÃo multipopulaÃÃo do HBMO (Honey Bee Mating Optimization). TambÃm à utilizada uma versÃo multipopulaÃÃo do PSO (Particle Swarm Optimization), chamada MCPSO (Multi-Swarm Cooperative Particle Swarm Optimization). Os testes com funÃÃes matemÃticas validaram os algoritmos apresentados, e o problema de otimizaÃÃo do sistema âbombear-e-tratarâ tem como objetivos a minimizaÃÃo do custo da remediaÃÃo e da quantidade final da pluma contaminante. Todos os algoritmos obtiveram bons resultados, com sutil vantagem para o MINPGA
id UFC_24a6ac531f0e1c4091971837a40352bb
oai_identifier_str oai:www.teses.ufc.br:2891
network_acronym_str UFC
network_name_str Biblioteca Digital de Teses e Dissertações da UFC
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisAlgoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneasMulti-population Evolutionary Algorithm Multi-Objective Optimization of Groundwater Remediation2009-07-24Eduardo SÃvio Passos Rodrigues Martins25842587300CarÃsia Carvalho Gomes10203796349http://lattes.cnpq.br/3905711599005570Carlos de Oliveira GalvÃo28861604404http://lattes.cnpq.br/9325801586502860Dirceu Silveira Reis JÃnior01838859705http://lattes.cnpq.br/377237520480937991169739334http://lattes.cnpq.br/7402661758870173 Marcos Rodrigues PintoUniversidade Federal do CearÃPrograma de PÃs-GraduaÃÃo em Engenharia CivilUFCBRRecursos HÃdricos Ãguas SubterrÃneas ContaminantesWater Resources Groundwater ContaminantENGENHARIA CIVILAo longo das Ãltimas trÃs dÃcadas os algoritmos evolucionÃrios vÃm sendo aplicados com sucesso nas mais diversas Ãreas. Dentre as principais vantagens dos algoritmos evolucionÃrios estÃo a facilidade de aplicaÃÃo, a eficiÃncia e a confiabilidade. Na remediaÃÃo de Ãguas subterrÃneas, geralmente, os objetivos sÃo minimizar custos, minimizar a presenÃa do contaminante, maximizar a eficiÃncia do bombeamento, entre outros. Esses objetivos sÃo naturalmente conflitantes e a busca de soluÃÃes Ãtimas, ou quase Ãtimas, faz-se necessÃria. Tendo em vista esse fato, os mÃtodos de otimizaÃÃo evolucionÃria vÃm sendo aplicados e aperfeiÃoados na busca dessas soluÃÃes. à apresentada uma breve descriÃÃo de alguns desses mÃtodos, discutindo-se algumas de suas vantagens e limitaÃÃes. Cinco funÃÃes matemÃticas sÃo utilizadas para avaliar o desempenho dos algoritmos e tambÃm para servir de base para efetuar uma comparaÃÃo entre os mesmos. Para otimizar um sistema âbombear-e-tratarâ na remediaÃÃo de um sÃtio hipotÃtico, sÃo utilizados algoritmos evolucionÃrios multipopulaÃÃo, tratando o problema na sua dimensÃo multiobjetiva. A abordagem multipopulaÃÃo vem sendo empregada como mitigadora de um dos principais inconvenientes da otimizaÃÃo evolucionÃria: o excessivo tempo computacional. O fluxo de Ãguas subterrÃneas à modelado com o MODFLOW (modular finite-difference flow model), enquanto o transporte de contaminante à simulado com o MT3DMS (modular three-dimensional multispecies transport model). SÃo propostos dois algoritmos multipopulaÃÃo: MINPGA (Multi-Island Niched Pareto Genetic Algorithm), a partir do NPGA (Niched Pareto Genetic Algorithm) e da abordagem de ilhas de injeÃÃo; MHBMO (Multiple Hive Honey Bee Mating Optimization), uma versÃo multipopulaÃÃo do HBMO (Honey Bee Mating Optimization). TambÃm à utilizada uma versÃo multipopulaÃÃo do PSO (Particle Swarm Optimization), chamada MCPSO (Multi-Swarm Cooperative Particle Swarm Optimization). Os testes com funÃÃes matemÃticas validaram os algoritmos apresentados, e o problema de otimizaÃÃo do sistema âbombear-e-tratarâ tem como objetivos a minimizaÃÃo do custo da remediaÃÃo e da quantidade final da pluma contaminante. Todos os algoritmos obtiveram bons resultados, com sutil vantagem para o MINPGAThrough the last three decades the evolutionary algorithms have been successful on application to many areas. Easily applied, efficiency and confidence are the main advantages of the evolutionary algorithms. In the groundwater remediation, generally, the objectives are the cost minimization, minimization of contaminant presence, maximization of pumping efficiency, among others. These objectives are naturally in conflicting and the search for optimal solutions, or almost optimal solutions are needed. In view of that, the evolutionary optimization methods have been applied and refined in order to search these solutions. A brief description of these methods is presented, referring to their advantages and limitations. Five mathematical functions are used to measure the algorithms performance and allow a comparison between them. In order to optimize a âpump-and-treatâ system in the remediation of a hypothetical site, multi-population evolutionary algorithms are used, considering the problem multi-objective dimension. The multi-population approach has been applied as mitigate for the main evolutionary optimization drawback: the excessive computational time. The groundwater flow modeler MODFLOW (modular finite-difference flow model) is used with the contaminant transport simulator MT3DMS (modular three-dimensional multispecies transport model). Two multi-population algorithms are presented: MINPGA (Multi-Island Niched Pareto Genetic Algorithm), that is a NPGA (Niched Pareto Genetic Algorithm) multi-population version with the injection island approach; MHBMO (Multi-Hive Honey Bee Mating Optimization), that is a HBMO (Honey Bee Mating Optimization) multi-population version. A PSO (Particle Swarm Optimization) multi-population version, called MCPSO (Multi-Swarm Cooperative Particle Swarm Optimization) is too used. Tests with mathematical functions validate the presented algorithms. Remediation problem using the âpumping-and-treatâ technique had as objectives the minimization of remediation cost and minimization of contaminant final plume. The results were shown to be very good for all algorithms, but MINPGA had a tenuous advantage over othersFundaÃÃo Cearense de Apoio ao Desenvolvimento Cientifico e TecnolÃgicohttp://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=3483application/pdfinfo:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da UFCinstname:Universidade Federal do Cearáinstacron:UFC2019-01-21T11:16:36Zmail@mail.com -
dc.title.pt.fl_str_mv Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas
dc.title.alternative.en.fl_str_mv Multi-population Evolutionary Algorithm Multi-Objective Optimization of Groundwater Remediation
title Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas
spellingShingle Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas
Marcos Rodrigues Pinto
Recursos HÃdricos
Ãguas SubterrÃneas
Contaminantes
Water Resources
Groundwater
Contaminant
ENGENHARIA CIVIL
title_short Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas
title_full Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas
title_fullStr Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas
title_full_unstemmed Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas
title_sort Algoritmos evolucionÃrios multipopulaÃÃo na otimizaÃÃo multiobjetiva da remediaÃÃo de Ãguas subterrÃneas
author Marcos Rodrigues Pinto
author_facet Marcos Rodrigues Pinto
author_role author
dc.contributor.advisor1.fl_str_mv Eduardo SÃvio Passos Rodrigues Martins
dc.contributor.advisor1ID.fl_str_mv 25842587300
dc.contributor.referee1.fl_str_mv CarÃsia Carvalho Gomes
dc.contributor.referee1ID.fl_str_mv 10203796349
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/3905711599005570
dc.contributor.referee2.fl_str_mv Carlos de Oliveira GalvÃo
dc.contributor.referee2ID.fl_str_mv 28861604404
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/9325801586502860
dc.contributor.referee3.fl_str_mv Dirceu Silveira Reis JÃnior
dc.contributor.referee3ID.fl_str_mv 01838859705
dc.contributor.referee3Lattes.fl_str_mv http://lattes.cnpq.br/3772375204809379
dc.contributor.authorID.fl_str_mv 91169739334
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/7402661758870173
dc.contributor.author.fl_str_mv Marcos Rodrigues Pinto
contributor_str_mv Eduardo SÃvio Passos Rodrigues Martins
CarÃsia Carvalho Gomes
Carlos de Oliveira GalvÃo
Dirceu Silveira Reis JÃnior
dc.subject.por.fl_str_mv Recursos HÃdricos
Ãguas SubterrÃneas
Contaminantes
topic Recursos HÃdricos
Ãguas SubterrÃneas
Contaminantes
Water Resources
Groundwater
Contaminant
ENGENHARIA CIVIL
dc.subject.eng.fl_str_mv Water Resources
Groundwater
Contaminant
dc.subject.cnpq.fl_str_mv ENGENHARIA CIVIL
dc.description.sponsorship.fl_txt_mv FundaÃÃo Cearense de Apoio ao Desenvolvimento Cientifico e TecnolÃgico
dc.description.abstract.por.fl_txt_mv Ao longo das Ãltimas trÃs dÃcadas os algoritmos evolucionÃrios vÃm sendo aplicados com sucesso nas mais diversas Ãreas. Dentre as principais vantagens dos algoritmos evolucionÃrios estÃo a facilidade de aplicaÃÃo, a eficiÃncia e a confiabilidade. Na remediaÃÃo de Ãguas subterrÃneas, geralmente, os objetivos sÃo minimizar custos, minimizar a presenÃa do contaminante, maximizar a eficiÃncia do bombeamento, entre outros. Esses objetivos sÃo naturalmente conflitantes e a busca de soluÃÃes Ãtimas, ou quase Ãtimas, faz-se necessÃria. Tendo em vista esse fato, os mÃtodos de otimizaÃÃo evolucionÃria vÃm sendo aplicados e aperfeiÃoados na busca dessas soluÃÃes. à apresentada uma breve descriÃÃo de alguns desses mÃtodos, discutindo-se algumas de suas vantagens e limitaÃÃes. Cinco funÃÃes matemÃticas sÃo utilizadas para avaliar o desempenho dos algoritmos e tambÃm para servir de base para efetuar uma comparaÃÃo entre os mesmos. Para otimizar um sistema âbombear-e-tratarâ na remediaÃÃo de um sÃtio hipotÃtico, sÃo utilizados algoritmos evolucionÃrios multipopulaÃÃo, tratando o problema na sua dimensÃo multiobjetiva. A abordagem multipopulaÃÃo vem sendo empregada como mitigadora de um dos principais inconvenientes da otimizaÃÃo evolucionÃria: o excessivo tempo computacional. O fluxo de Ãguas subterrÃneas à modelado com o MODFLOW (modular finite-difference flow model), enquanto o transporte de contaminante à simulado com o MT3DMS (modular three-dimensional multispecies transport model). SÃo propostos dois algoritmos multipopulaÃÃo: MINPGA (Multi-Island Niched Pareto Genetic Algorithm), a partir do NPGA (Niched Pareto Genetic Algorithm) e da abordagem de ilhas de injeÃÃo; MHBMO (Multiple Hive Honey Bee Mating Optimization), uma versÃo multipopulaÃÃo do HBMO (Honey Bee Mating Optimization). TambÃm à utilizada uma versÃo multipopulaÃÃo do PSO (Particle Swarm Optimization), chamada MCPSO (Multi-Swarm Cooperative Particle Swarm Optimization). Os testes com funÃÃes matemÃticas validaram os algoritmos apresentados, e o problema de otimizaÃÃo do sistema âbombear-e-tratarâ tem como objetivos a minimizaÃÃo do custo da remediaÃÃo e da quantidade final da pluma contaminante. Todos os algoritmos obtiveram bons resultados, com sutil vantagem para o MINPGA
dc.description.abstract.eng.fl_txt_mv Through the last three decades the evolutionary algorithms have been successful on application to many areas. Easily applied, efficiency and confidence are the main advantages of the evolutionary algorithms. In the groundwater remediation, generally, the objectives are the cost minimization, minimization of contaminant presence, maximization of pumping efficiency, among others. These objectives are naturally in conflicting and the search for optimal solutions, or almost optimal solutions are needed. In view of that, the evolutionary optimization methods have been applied and refined in order to search these solutions. A brief description of these methods is presented, referring to their advantages and limitations. Five mathematical functions are used to measure the algorithms performance and allow a comparison between them. In order to optimize a âpump-and-treatâ system in the remediation of a hypothetical site, multi-population evolutionary algorithms are used, considering the problem multi-objective dimension. The multi-population approach has been applied as mitigate for the main evolutionary optimization drawback: the excessive computational time. The groundwater flow modeler MODFLOW (modular finite-difference flow model) is used with the contaminant transport simulator MT3DMS (modular three-dimensional multispecies transport model). Two multi-population algorithms are presented: MINPGA (Multi-Island Niched Pareto Genetic Algorithm), that is a NPGA (Niched Pareto Genetic Algorithm) multi-population version with the injection island approach; MHBMO (Multi-Hive Honey Bee Mating Optimization), that is a HBMO (Honey Bee Mating Optimization) multi-population version. A PSO (Particle Swarm Optimization) multi-population version, called MCPSO (Multi-Swarm Cooperative Particle Swarm Optimization) is too used. Tests with mathematical functions validate the presented algorithms. Remediation problem using the âpumping-and-treatâ technique had as objectives the minimization of remediation cost and minimization of contaminant final plume. The results were shown to be very good for all algorithms, but MINPGA had a tenuous advantage over others
description Ao longo das Ãltimas trÃs dÃcadas os algoritmos evolucionÃrios vÃm sendo aplicados com sucesso nas mais diversas Ãreas. Dentre as principais vantagens dos algoritmos evolucionÃrios estÃo a facilidade de aplicaÃÃo, a eficiÃncia e a confiabilidade. Na remediaÃÃo de Ãguas subterrÃneas, geralmente, os objetivos sÃo minimizar custos, minimizar a presenÃa do contaminante, maximizar a eficiÃncia do bombeamento, entre outros. Esses objetivos sÃo naturalmente conflitantes e a busca de soluÃÃes Ãtimas, ou quase Ãtimas, faz-se necessÃria. Tendo em vista esse fato, os mÃtodos de otimizaÃÃo evolucionÃria vÃm sendo aplicados e aperfeiÃoados na busca dessas soluÃÃes. à apresentada uma breve descriÃÃo de alguns desses mÃtodos, discutindo-se algumas de suas vantagens e limitaÃÃes. Cinco funÃÃes matemÃticas sÃo utilizadas para avaliar o desempenho dos algoritmos e tambÃm para servir de base para efetuar uma comparaÃÃo entre os mesmos. Para otimizar um sistema âbombear-e-tratarâ na remediaÃÃo de um sÃtio hipotÃtico, sÃo utilizados algoritmos evolucionÃrios multipopulaÃÃo, tratando o problema na sua dimensÃo multiobjetiva. A abordagem multipopulaÃÃo vem sendo empregada como mitigadora de um dos principais inconvenientes da otimizaÃÃo evolucionÃria: o excessivo tempo computacional. O fluxo de Ãguas subterrÃneas à modelado com o MODFLOW (modular finite-difference flow model), enquanto o transporte de contaminante à simulado com o MT3DMS (modular three-dimensional multispecies transport model). SÃo propostos dois algoritmos multipopulaÃÃo: MINPGA (Multi-Island Niched Pareto Genetic Algorithm), a partir do NPGA (Niched Pareto Genetic Algorithm) e da abordagem de ilhas de injeÃÃo; MHBMO (Multiple Hive Honey Bee Mating Optimization), uma versÃo multipopulaÃÃo do HBMO (Honey Bee Mating Optimization). TambÃm à utilizada uma versÃo multipopulaÃÃo do PSO (Particle Swarm Optimization), chamada MCPSO (Multi-Swarm Cooperative Particle Swarm Optimization). Os testes com funÃÃes matemÃticas validaram os algoritmos apresentados, e o problema de otimizaÃÃo do sistema âbombear-e-tratarâ tem como objetivos a minimizaÃÃo do custo da remediaÃÃo e da quantidade final da pluma contaminante. Todos os algoritmos obtiveram bons resultados, com sutil vantagem para o MINPGA
publishDate 2009
dc.date.issued.fl_str_mv 2009-07-24
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
status_str publishedVersion
format masterThesis
dc.identifier.uri.fl_str_mv http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=3483
url http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=3483
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do CearÃ
dc.publisher.program.fl_str_mv Programa de PÃs-GraduaÃÃo em Engenharia Civil
dc.publisher.initials.fl_str_mv UFC
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade Federal do CearÃ
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFC
instname:Universidade Federal do Ceará
instacron:UFC
reponame_str Biblioteca Digital de Teses e Dissertações da UFC
collection Biblioteca Digital de Teses e Dissertações da UFC
instname_str Universidade Federal do Ceará
instacron_str UFC
institution UFC
repository.name.fl_str_mv -
repository.mail.fl_str_mv mail@mail.com
_version_ 1643295132696444928

Registros relacionados